基于C++和OpenCV实现的逆透视变换(Inverse Perspective Mapping)源码，基于CMake构建，Linux/Windows/Mac均可使用。 车道线检测等算法中可以使用。

为解决目前可变车道多为手动定时控制、感应控制而引起的可变车道利用率不高以及控制精度不高的问题,首先对影响可变车道属性的因素进行分析,然后以实时的交通流量数据为基础,提出了一种基于动态交通流量的可变车道自适应控制方法,实时地改变可变车道的属性,充分利用可变车道,提高信号交叉口的通行能力。PARAMICS仿真结果表明,该方法能够提高可变车道的利用率,减小信号交叉口的交通延误。

MATLAB车道线检测。可以把车道线给标定出来，霍夫曼变换方法，显示过程图。如果你是新手学习，请多点耐心。后续可以二次开发成车道线偏离预警。

matlab精度检验代码VPGNet使用情况和车道检测 王瑞@清华大学 该项目实现了车道检测算法，其中的神经网络模型来自。 还检查一下。 实时车道检测效果 高清地图的车道检测。 从左到右：神经网络的输出，鸟瞰图中的车道检测（红线标记），驾驶员视角中的车道检测（红线标记）。 神经网络的输出 概述 该项目修改了VPGNet的实现，重点是车道检测。 它还利用了caltech车道检测中的反透视图（IPM）并对其进行了修改。 该项目旨在为VPGNet的使用开发更清晰的文档，为车道检测提供一个干净的界面。 希望通过本文档，您将能够真正运行VPGNet，而不会遇到太多麻烦。 它还实现了原始存储库中未提供的某些后处理技术。 请查看上面引用的原始回购，并引用其论文对您的研究是否有帮助。 请在“用法”部分中查看它的运行情况。 除了整个工作流程之外，它还提供独立的图片后处理模块。 您可能会在这里发现一些有用的实现，包括IPM和通道群集。 安装 整个存储库已在Ubuntu 16.04上进行了测试。 对于其他操作系统，您可能需要其他信息或实施自己的修改才能使其正常运行。 快速通知，一些主要依赖项包括python

VOC2007_车道线_增加标注类别.zip

opencv 基于改进的霍夫变换车道线检测代码 及相关文献

车道线检测 该项目构建了一个计算机视觉（CV）应用程序，该应用程序可以从道路的图像和视频中检测车道线。 该存储库受到Udacity无人驾驶汽车工程师Nanodegree计划的Finding Lane Lines项目的启发。 该程序已使用了此存储库中使用的测试图像和视频。 <-这是一项正在进行中的工作---> 用于检测图像中的车道线的主要步骤是： 颜色转换为灰色 坎尼边缘检测 使用高斯模糊进行图像过滤 检测感兴趣区域（ROI） 线路检测 霍夫变换

LDW_GBT 26773-2011_智能运输系统 车道偏离报警系统. LDW_GBT 26773-2011_智能运输系统 车道偏离报警系统. LDW_GBT 26773-2011_智能运输系统 车道偏离报警系统.

提出了一种高速公路车道线检测与跟踪算法：初始检测时，首先估计消失点位置；再将图像特征点向消失点投影，通过检测投影直方图波峰来识别车道线；然后利用车道宽度和车道线强度特征滤除与车道线平行的伪车道线；跟踪时，采用卡尔曼滤波缩小搜索区域。试验结果表明：该算法抗干扰能力强，跟踪算法运行速度大约为50 Hz。

车道偏离报警系统（LDWS）以基本的交通法规为基础，其主要目标是帮助驾驶员保持车辆在道路的车道内行驶。因此，当车辆偏离车道时，系统将发出警告提醒驾驶员注意。